Оптимизация ведения данных: согласование обучения в области прогнозирования с целью принятия решений

arXiv: 2506.19698v2 AnnuateType: заменить резюме: ошибка в машинном обучении прогнозных моделей может распространяться на плохое техническое обслуживание. Мы изучаем проблему прогнозного технического обслуживания на основе данных, увязывая оценку состояния здоровья с совместной моделью заказа-замены. Мы показываем, что традиционный подход к оценке и последующей адаптации (ЭТО) дает противоречивые, неоптимальные решения для широкого круга таких проблем. Для устранения этого пробела мы предлагаем комплексную систему оценки-оптимизации (ООП), которая непосредственно предусматривает покрытие эксплуатационных расходов в качестве перспективной цели обучения, обходя суррогатные показатели статистической точности, такие как расхождение между Кулблэком и Либлером или средняя квадратная ошибка. Теоретически мы доказываем, что при определенных условиях, включая процессы i.i.d и скользящее окно для получения данных, гарантии эффективности системы НОО не являются выборочными. По расчетам, мы разрабатываем процедуру подготовки, сочетающую отказ от обучения в Монте-Карло, приближение центрального градиента к дифференциям и ВЭТО.